基于MCP罚函数的小世界回声状态网络时间序列预测方法

摘要

本发明公开一种时间序列预测方法，通过在小世界回声状态网络的构建中采用MCP惩罚模型优化小世界回声状态网络的输出权重，解决常规回归方法计算权重时出现的过拟合问题，选择LQA近似分解MCP罚函数，求得模型的近似解，解决MCP罚函数在原点不可导问题，并且提出基于融入交叉和排挤策略的人工蜂群算法优化MCP惩罚模型的超参数，保证优化参数的全局最优性的同时提高收敛有效性，以此提高MCP惩罚模型的有效压缩能力，此方法在非线性时间序列预测中具有较高的应用价值。